基于用戶行為挖掘的情景感知推薦.pdf

1、互聯(lián)網(wǎng)的急速發(fā)展，改變了我們傳統(tǒng)的生活習(xí)性。無論訂餐購物，還是旅游消遣，互聯(lián)網(wǎng)已融入到我們生活的方方面面。然而，互聯(lián)網(wǎng)信息量的急劇增加帶來的“信息過載”，也讓我們在大數(shù)據(jù)時代不堪重負(fù)。推薦系統(tǒng)正是在這樣的時代背景下產(chǎn)生的。傳統(tǒng)的個性化推薦，根據(jù)用戶的歷史評分、標(biāo)簽、文本等數(shù)據(jù)分析用戶的興趣偏好;但在缺乏上述信息的網(wǎng)站中，導(dǎo)航信息作為用戶隱式行為記錄，為推薦系統(tǒng)更好地預(yù)測用戶偏好提供了重要的數(shù)據(jù)支持。
　　本文從導(dǎo)航日志中提取用戶行

2、為信息，量化行為語義特征，得到用戶對不同商品的興趣值;再以這些量化的行為語義構(gòu)建高維情景感知模型;并在高維模型中，確立用戶之間的關(guān)聯(lián)度以及商品之間的相似性;之后，根據(jù)行為語義對立特征，壓縮離散數(shù)據(jù)，降低模型稀疏性。
　　經(jīng)典的矩陣分解算法往往專注于評分預(yù)測問題，卻忽略了商品偏序關(guān)系的優(yōu)化和用戶評分背后的語義信息。為了彌補現(xiàn)有方法的不足，本文提出一種基于用戶行為語義信息的貝葉斯個性化排序算法，通過拉普拉斯正則項保持用戶行為語義在降維